亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

Python+OpenCV實(shí)現(xiàn)相機(jī)標(biāo)定的方法詳解

 更新時(shí)間：2023年05月17日 11:32:18   作者：微小冷  
opencv中內(nèi)置了張正友的棋盤(pán)格標(biāo)定法，通過(guò)一些姿態(tài)各異的棋盤(pán)格圖像，可以標(biāo)定相機(jī)的內(nèi)外參數(shù)，本文為大家介紹OpenCV進(jìn)行相機(jī)標(biāo)定的具體方法，希望對(duì)大家有所幫助

opencv中內(nèi)置了張正友的棋盤(pán)格標(biāo)定法，通過(guò)一些姿態(tài)各異的棋盤(pán)格圖像，就能標(biāo)定相機(jī)的內(nèi)外參數(shù)。

角點(diǎn)檢測(cè)

第一步是角點(diǎn)檢測(cè)，首先需要讀取棋盤(pán)格圖像

import numpy as np
import cv2
import os

path = 'imgs'   # 圖像文件夾；相對(duì)路徑
fs = os.listdir(path)
grays = []
for f in fs:
    fName = os.path.join(path, f)
    img = cv2.imread(fName)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 圖像轉(zhuǎn)灰度
    grays.append(gray)

其中，grays中便是所有棋盤(pán)格灰度圖像，接下來(lái)，就要找到這些棋盤(pán)格的角點(diǎn)位置，主要用到函數(shù)findChessboardCorners，其輸入?yún)?shù)為棋盤(pán)格圖像、角點(diǎn)個(gè)數(shù)以及標(biāo)志位。

w, h = 11, 8        # 交點(diǎn)橫縱個(gè)數(shù)

# 亞像素點(diǎn)的檢測(cè)條件
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
pImgs = []
for g in grays: 
   # cs即位初步檢測(cè)的角點(diǎn)
   ret, cs = cv2.findChessboardCorners(g, (w, h), None) 
   # 亞像素角點(diǎn)檢測(cè)
   pImg = cv2.cornerSubPix(g, cs.astype(np.float32), (5, 5), (-1,   -1), criteria)
   pImgs.append(np.squeeze(pImg))

其中，pImg用于存放像素坐標(biāo)中的二維點(diǎn)。

查看角點(diǎn)

為了驗(yàn)證角點(diǎn)檢測(cè)是否合理，可以將其畫(huà)出來(lái)，用opencv自帶的工具就像下面這樣就可以，

cv2.drawChessboardCorners(grays[0], (w, h), pImgs[0], None)
cv2.imshow('findCorners', grays[0])
cv2.waitKey(1000)

但窗口縮放比較麻煩，所以更推薦用經(jīng)典的matplotlib來(lái)畫(huà)圖

import matplotlib.pyplot as plt
pts = pImgs[0].squeeze().reshape(-1,2).T
plt.imshow(grays[0])
plt.scatter(pts[0], pts[1], marker='*', c='red')
plt.show()

效果如下

標(biāo)定

函數(shù)calibrateCamera可用于圖像標(biāo)定，只需將現(xiàn)實(shí)世界的點(diǎn)和相機(jī)坐標(biāo)系中的角點(diǎn)的一一對(duì)應(yīng)關(guān)系輸入，便能得到相應(yīng)的相機(jī)矩陣。其中，現(xiàn)實(shí)世界中哦的三維點(diǎn)，一般成為對(duì)象點(diǎn)，由于棋盤(pán)格中每個(gè)方塊都是等距的，故可直接建立為類(lèi)似(1,0,0), (2,0,0)...即可

objp = np.zeros((6*7,3), np.float32)
objp[:,:2] = np.mgrid[0:7,0:6].T.reshape(-1,2)

pObj = np.zeros((w*h, 3), np.float32)
pObj[:,:2] = np.mgrid[0:w, 0:h].T.reshape(-1,2)
pObjs = [pObj for _ in range(len(pImgs))]

至此，萬(wàn)事俱備，只需調(diào)用

size = grays[0].shape[::-1]     # 圖像尺寸
ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(pObjs, pImgs, size, None, None)

其中，rec為成功標(biāo)志，為T(mén)rue時(shí)表示標(biāo)定成功。

mtx為內(nèi)參矩陣，差不多是

dist為畸變參數(shù)，最多有8個(gè)，分別表示k1,k2,p1,p2,k3,k4,k5,k6，本次標(biāo)定得到的結(jié)果為

>>> print(dist)
[[-8.36577030e-02 -1.68977185e-01 -1.12233478e-03  9.45685802e-04
  -2.04246147e+01]]

這些畸變參數(shù)的物理意義如下

以上就是Python+OpenCV實(shí)現(xiàn)相機(jī)標(biāo)定的方法詳解的詳細(xì)內(nèi)容，更多關(guān)于Python OpenCV相機(jī)標(biāo)定的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

相關(guān)文章

最新評(píng)論